A ABSTRACÇÃO
É NOSSA AMIGA
Prever estruturas, comparar e procurar
motivos no RNA
[Robert Giegerich, Faculty of Technology Bielefeld University, Vienna 2007]
Bioinformática
DCC - FCUP
Teresa Costa
03/06/2011
Conteúdos
• Motivação
• RNA
• classes, motivos e ncRNA
• Alinhamento Estrutural
• Abstracção da forma:
• aplicações, níveis, conceitos matemáticos e conceitos gerais
• Aplicações práticas da abstracção da forma
• Conclusões
Motivação
• Atribuição de um papel activo ao RNA
• Novas funções atribuídas ao ncRNA
• Abstracção da forma integra-se perfeitamente em
programação dinâmica
• Pode ser aplicada durante a previsão da estrutura e não depois
• Consegue prever a tendência estrutural de uma molécula
RNA – O que é?
• Responsável pela síntese de proteínas da células
•
Cadeia simples de nucleotídeos:
• Adenina (A)
• Guanina (G)
• Citosina (C)
• Uracilo (U)
• Estruturalmente complexo
RNA – Classes
Tipos de RNA
Função
RNA Mensageiro (mRNA)
Informação em codões para a síntese
de proteínas (aminoácido)
RNA Transferência (tRNA)
Transporte dos aminoácidos até aos
ribossomas
RNA não codificante (ncRNA)
Função reguladora
Micro RNA (miRNA)
Direccionam a clivagem do mRNA ou
reprimem a sua tradução
Motivos RNA
• Conferem funcionalidades específicas ao RNA
• Podem ser determinados por alinhamento
Motivos RNA
• Conferem funcionalidades específicas ao RNA
• Podem ser determinados por alinhamento
• PROBLEMA:
• Grande parte dos motivos estão relacionados com a estrutura do
RNA
• MAS a informação encontra-se na sequência
Características do ncRNA
• Papel importante na síntese pela polimerase
• São, geralmente, terminadores com motivos hairpin
• Estrutura secundária bem definida
• Motivos de sequência e estrutura imutáveis
Novas técnicas
• Motivos 3D
• Avaliação sistemática
• utilizadas ferramentas de avaliação independentes (modelo Rfam
considerado standard)
• Previsão de genes
• RNAz e EVOFOLD
• Clustering por similaridade estrutural
• Localização de motivos utilizando Matchers
termodinâmicos.
• Locomotif
Alinhamento Estrutural
Alinhamento Estrutural
Abstracção da Forma – Aplicações
• Prever alternativas estruturais
• Classificar por forma dominante
• Prever estrutura, por comparação
• Acelerar pesquisas
Abstracção da Forma
• Mantém nidificação e adjacência das hastes
• Despreza os tamanhos
• Mantém ou ignora a presença e o tipo de loops internos
e/ou terminais
Níveis de Abstracção
Níveis de Abstracção – Exemplo
Nível 0
Nível 3
de abstracção
Nível 5
de abstracção
Abastracção da Forma – Matemática
• Generalidade:
• Domínio do tipo árvore com estrutura F e forma P
• Homomorfismo na árvore π : F  P
• E para cada sequência de RNA s:
• folding space de s: F(s)
• shape space de s: P(s) = π(F(s))
• Shape class de p F(s): f(x,p) = {x|x ϵ F(S), π(x) =p}
Três Conceitos Importantes
• Função de abstracção da forma
• Estrutura representativa da forma
• shrep = classe com o mínimo de energia livre, shrep(s,p)
• Probabilidade da forma:
• Prob(p) = probabilidade acumulada de todas as estruturas com a
forma p
Aplicação Prática I
• Previsão de estruturas alternativas para a classificação
do miRNA
• Classificação utilizando um top 3 ranking de shreps, um cluster de miRNA e
um cluster de hairpins difusos
Aplicação Prática I
• Previsão de estruturas alternativas para a classificação
do miRNA
• Utilizando um top 100 de formas para cada sequência, para um matching
mais correcto
Aplicação Prática II
• A forma p é dominante se Prob(p) > 0.5
• Domínio da forma:
• Correlacionado com o MFE
• Independente da composição da sequência
• Independente do tamanho da sequência
Aplicação Prática II
• No nível 3 de abstracção, os valores de probabilidade
mais elevados
Aplicação Prática III
• Locomotif
• Gera Matchers termodinâmicos a partir de estruturas gráficas
Aplicação Prática IV
• Tornar as pesquisas usando Rfam acessíveis
• RAVENNA
• procura estruturas homologas (motivos) em ncRNA
• Utiliza abstracção do CM (modelo de covariância) para tornar a
pesquisa mais rápida
Aplicação Prática IV
• Tornar as pesquisas usando Rfam acessíveis
• RAVENNA
• procura estruturas homologas (motivos) em ncRNA
• Utiliza abstracção do CM (modelo de covariância) para tornar a
pesquisa mais rápida
• Nova aplicação: RNAsifter
• Rfam shape index: computado para cada Rfam
• Query shape spectrum: computado com complexidade O(k𝑛3 )
• Comparação de índices: O(kl), onde l é o tamanho da sequência
Aplicação Prática IV
Eficácia do filtro:
10% de procuras
encontradas
95% de acertos
Conclusão
• Com a abstracção da forma:
• Possibilidade de escrever a própria função de abstracção
• Aplicar, a posteriori, para classificação e indexação
• Integrar com os algoritmos de programação dinâmica, conseguindo
uma forma estrutural sensata para aplicar esses algoritmos
• Não necessita de heurísticas
Questões?